Durante siglos, la automatización despertó una promesa inquietante: si las herramientas pudieran trabajar por sí mismas, desaparecería parte de la dependencia económica y las jerarquías que la sostienen. En la *Política*, Aristóteles imaginó telares y objetos que ejecutaran órdenes sin intervención humana, lo que eliminaría la necesidad de aprendices y esclavos. La idea vinculaba tecnología, trabajo y organización social desde el principio.\n\nMarx retomó esa intuición. En 1858 anticipó que el conocimiento colectivo, o “intelecto general”, sustituiría progresivamente el trabajo directo y desafiaría la propiedad privada de los medios de producción. Su hipótesis no era simplemente que la máquina reemplazara manos, sino que el conocimiento socializado se convertiría en el principal motor económico. La autonomía creciente de los sistemas inteligentes reabre ese debate con una intensidad nueva.\n\nHoy, la IA generativa no solo automatiza tareas repetitivas. Puede redactar, programar, diseñar, analizar evidencia y coordinar procesos que antes requerían especialistas. La productividad potencial es enorme, pero sus beneficios no aparecen de forma automática: dependen de quién controle los modelos, los datos, la energía y la infraestructura de computación.\n\nLa promesa redistributiva exige que el progreso tecnológico amplíe el margen de decisión humana. Si los sistemas liberan tiempo, reducen costes y abren nuevas capacidades, podrían acortar jornadas, elevar salarios o permitir empleos más creativos. También podrían desplazar trabajadores, aumentar la vigilancia laboral y hacer que una pequeña minoría capture la mayor parte de las ganancias.\n\nEl riesgo de concentración es visible. Los grandes modelos requieren capitales multimillonarios, chips escasos, electricidad intensiva y conjuntos de datos difíciles de reproducir. Quien posee esa infraestructura puede fijar precios, definir estándares y apropiarse de valor generado por millones de usuarios y creadores. En este escenario, la inteligencia artificial no destruye necesariamente el capitalismo: lo fortalece en su forma más concentrada.\n\nEl otro camino parte de reconocer que el conocimiento moderno nunca es completamente individual. Los modelos actuales se entrenan con investigaciones, obras culturales, código y contribuciones públicas. Si el progreso se financia con bienes comunes, surge una pregunta política: ¿quién debe recibir parte de la riqueza que esos bienes ayudan a crear? Las respuestas pueden incluir licencias abiertas, fondos públicos, impuestos o derechos colectivos sobre los datos.\n\nLa competencia también importa. Las fusiones, patentes, acuerdos entre nubes y modelos cerrados pueden endurecer los oligopolios. Políticas antimonopolio, interoperabilidad, auditorías y acceso equitativo a la infraestructura crítica podrían impedir que la transición reproduzca nuevas dependencias. La regulación europea de IA es relevante, aunque no basta: las reglas sobre seguridad y transparencia deben acompañarse con una estrategia industrial que evite monopolios.\n\nEl trabajo será el termómetro de este cambio. Automatizar no equivale siempre a eliminar empleo; puede transformar tareas, redistribuir responsabilidades y crear nuevas profesiones. Pero la transición requiere formación, negociación colectiva, protección social y mecanismos que repartan el excedente tecnológico. Sin ellos, la historia repetirá una contradicción: mayor productividad para todos, mayores rentas para pocos.\n\nPor eso importa más que cualquier modelo alcance una inteligencia general. La cuestión es qué instituciones gobiernan su despliegue. La IA puede convertirse en una infraestructura al servicio de una economía más democrática o en una máquina de acumulación sin límites. El futuro del capitalismo no está escrito por los algoritmos: se definirá en mercados, empresas, parlamentos y acuerdos laborales.